本篇文章4018字，读完约10分钟
2016年即将过去，我相信今年信息和通信技术专业人士听到最多的词是人工智能。任何接近信息通信技术的人，无论是企业还是媒体，都应该被贴上人工智能的标签，否则就有被淘汰的嫌疑。但是实际情况如何呢？
追根溯源。在这里，我们不妨回到今年重要的几个节点或里程碑事件，或引起媒体和行业关注或炒作人工智能，这些里程碑事件的解释和延伸无疑将让我们看到人工智能的本质。
1.谷歌旗下的人工智能公司deepmind开发的alpha go神经网络在与世界围棋冠军李世石的“人机大战”中以绝对优势胜出，引发了人工智能在业界的关注。此后，人工智能开始频繁出现在科技媒体和企业中。在报告中；
第二，谷歌的主要无人驾驶汽车在路边发生了第一次事故，而特斯拉的自动驾驶仪(自动驾驶系统)经常发生致命事故。虽然这是负面消息，但它仍然刺激了行业对人工智能的关注。反映在自动和无人驾驶汽车的热门猜测中；
第三，是亚马逊所谓的最畅销的回声扬声器，配备了亚历克斯语音识别技术和被称为“互联网女王”的玛丽·米克，发布了回声和人工智能2016年网络趋势报告；
4.美国总统选举中名为莫吉亚的人工智能系统成功预测特朗普将成为美国总统；
第五，是图形芯片公司英伟达(NVIDIA)或其自己的人工智能公司的股价飙升。
首先，让我们看看阿尔法围棋依靠什么在围棋中击败李世石。事实上，对于计算机和人类之间的象棋游戏，早在1997年，计算机就首次击败了世界排名第一的棋手。加里。卡斯帕罗夫以2.5:3.5的比分1胜2负3平输给了ibm的计算机程序“深蓝”。当时，全球媒体和高科技圈惊呼人工智能已经进入了一个新时代。此前，在1988年，上一代“深蓝”是第一台赢得象棋特级大师称号的电脑；1996年，深蓝成为第一台赢得世界象棋冠军的电脑。应该注意的是。深蓝重1270公斤，有32个大脑(微处理器)，每秒能计算2亿步，在过去的100年里输入了超过200万个优秀玩家的游戏。
相比之下，阿尔法戈最初试图通过模仿人类玩家来与过去职业玩家的国际象棋比赛相媲美。其数据库包含约3000万次移动，其计算能力是最初的“深蓝”的3万倍。与“深蓝”相比，我们在这里看到的最大区别是阿尔法戈在数据和计算能力方面的优势。在这里，有人可能会说alphago赢得了它庞大而复杂的神经网络，但根据田元东和alphago的论文，如果你不做任何搜索(事实上，它测试的是计算能力)，它仅仅是基于“棋感”(事实上，它是估值函数)，而cnn(神经网络)最好能够达到KG3D的水平，即业余1段的水平。Mcts算法可以在没有价值网络的9x9棋盘上击败人类主人，这实际上证明了alphago在最终游戏中的优势在于搜索(计算)起着重要的作用，即最终游戏的计算能力将人类压垮。但是众所周知，计算机的计算能力远远优于人类。
对此，微软亚洲研究院执行副总裁芮勇在评价alphago时对媒体表示:如今，几乎所有的人工智能都来自人类过去的大数据，任何领域的能力都不是来自自我意识。无论是象棋还是围棋，计算机都是从人类过去的棋谱中学习的。与其他领域类似，当计算机进行图像识别时，它们也从人类现有的大数据中学习到许多图片。当面对人类从未教过的问题时，计算机将一无所知。如果你让阿尔法去玩跳棋，那将是完全愚蠢的。即使围棋的棋盘从19×19格稍微修改为21×21格，阿尔法围棋也将不堪重负，但人类不会有任何问题。
《牛津英语词典》将智力定义为“获取和应用知识的能力”。麻省理工学院数字经济倡议的研究员兼人工智能意见领袖汤姆。用汤姆·达文波特的话说:“深层次的学习并不是高深的学习。”另一个专家，柳文欢？艾伦人工智能研究所也有类似的观点:“人工智能只是简单数学的大规模执行。”简而言之，人工智能本质上只是一种强大的计算方法，它没有达到人脑的智能方式。米歇尔·周，一位在ibm研究院和ibm沃森团队工作了15年的专家，作为这个领域的专家，将人工智能分为三个阶段。第一阶段是识别智能。在功能更强大的计算机上运行的算法可以从大量文本中识别模式和获取主题，甚至从几个句子中获取整篇文章的意义；第二阶段是认知智能。这台机器已经超越了模式识别，开始从数据中进行推理；第三个阶段的实现要等到我们能够创造出像人一样思考和行动的虚拟人，但现在我们仅仅处于第一个阶段，“识别智能”，也就是说，人们所说的“人工智能”很大一部分实际上是数据分析，或者是原来的例行公事，或者是“旧瓶装新酒”。
巧合的是，如果上面的alphago凭借其强大的计算能力最终体现了所谓的人工智能优势，那么我们接下来要讨论的谷歌和特斯拉的自动驾驶汽车就偏离了简单的数据分析。
最典型的表现是谷歌的自动驾驶汽车，这种车以前被吹捧过。今年，一场交通事故发生的速度不到2英里每小时，根据其责任，它属于谷歌。如果我们将谷歌无人驾驶汽车事故的选择和结果与这场人机战争中每一步行动的选择和结果进行比较，对于人工智能(比如alphago)来说，前者不知道容易多少倍(谷歌无人驾驶系统相对于人类的最大优势是预测对方的行为并做出反应)。不幸的是，谷歌无人驾驶汽车在这起事故中显示，智能系统未能完全判断出准确的人类行为，并做出了最令人失望的可能。
至于特斯拉，在今年多次事故后，它升级到自动驾驶2.0系统，并发布了第二个自主驾驶技术演示视频。官员称，自动驾驶仪2.0系统的硬件得到了极大的改进，在汽车周围安装了八个摄像头，覆盖了整个汽车的360度，最远探测距离可达250米。此外，12个超声波传感器用于补充视觉系统，这大大提高了物体的距离、硬度和柔软度的准确性。增强型前置雷达可以穿透雨、雾、尘环境，丰富视觉系统的探测数据。其中特别集成了nvidia px2处理芯片，其计算能力是第一代自动驾驶系统的40倍。尽管如此，通过视频分析，比如是否有公交车，每次你需要转弯的时候，你都会停下来继续转弯；有很多问题，比如正常行驶的白色汽车停车，转弯后突然自动刹车，等等。自动驾驶2.0仍然没有脱离大数据的计算能力和简单分析结果的范围，也不是一个真正的人工智能系统。
说到亚马逊的回声，实际上是语音搜索和识别。说到这一领域，苹果的siri、微软的cortana或谷歌早已与智能手机联系在一起，但我们看到了更多实际应用场景，人们经常以有趣的方式收听或误解语音命令。至于语音搜索，谷歌仍在努力克服语音识别、自然语言理解和对话理解等挑战，这些挑战早在三年前就存在了。比如通过语音查询天气或新闻、播放spotify音乐、预订优步打电话叫车、订购外卖披萨等等。，这些应用程序已经在移动电话上实现。人工智能与手机有什么不同？
相反，虽然语音识别取得了很大的进步，但大多数人仍然使用手势操作和触摸界面。在可预见的未来，这一趋势很难改变。主要原因是语音识别服务需要依靠大量的数据，并且有能力捕捉自然状态下的真实对话，这就是真正的人工智能。因此，虽然有些厂商声称语音识别的识别率已经达到90%以上，但基于自然状态下真实对话的能力要求，即使95%的准确率也不足以满足人们的需求。当被问及何时可以通过自然语言与数字助理进行交流并得到满意的答案时，即使是最高级的神经网络科学家，在这项技术中仍有许多未解之谜。有很多工作只能通过不断的尝试和错误来改进，没有人能保证某个技术调整的可能结果。根据现有的技术和方法，这个过程将需要大约几年的时间，甚至一些专家说，我们永远不知道什么时候我们可以实现突破，什么时候阿列克谢和西里可以开始与人类进行真正的对话。
可以看出，即使是今年流行的亚马逊echo也不是真正的人工智能，但它在特定环境(如室内和特定数据库)中的性能优于其竞争对手。
至于人工智能在美国总统选举中的预测，让我们不要谈论那些未能预测的所谓人工智能系统，而只谈论成功预测选举结果的mogia系统，其创始人rai也承认人工智能系统识别“反语表达”和“反语”的能力有限，网民的评论可能会被该系统误解。例如，即使有大量网民在特朗普的twitter账户下互动，也并不意味着这些网民倾向于支持特朗普，但相关话题的活动将被人工智能系统归类为舆情预测的基础，人工智能系统具有真正的人工智能能力，其侥幸猜对有很多成分。事实上，纵观美国总统大选中的人工智能预测战，无论是赢家还是输家，其背后所反映的人工智能在数据和算法上都存在主观或客观的缺陷，导致最终结果的因素相当偶然。
最后，看看NVIDIA，它以人工智能的名义股价飙升。让我们来看看英伟达最近一个季度的财务表现。总收入为20亿美元，同比增长53.6%。其中，图形芯片部门的收入占其总收入的85%，同比增长52.9%，达到17亿美元；数据中心业务同比增长两倍，达到2.4亿美元；汽车业务同比增长60.8%，至1.27亿美元。从收入构成来看，不难看出，支持NVIDIA的核心业务仍然是传统个人电脑市场的图形芯片(独立显卡)，而与ai相关或与ai密切相关的业务(如数据中心)的收入仅占其总收入的1/10左右。因此，仅从阵营来看，NVIDIA远非一家人工智能芯片公司。至于所谓的人工智能相关收入，只不过是谷歌(Google)、微软(Microsoft)和特斯拉(Tesla)等专注于人工智能概念的公司需要计算能力更强的芯片。英伟达的图形处理器(图形芯片)正好满足了这种强大计算能力的需求。此外，从英伟达和英特尔围绕所谓人工智能芯片的口水战来看，双方都强调或只强调的核心仍然是计算能力。所谓的人工智能只是双方计算能力之间的一场游戏，似乎与人工智能无关。
综上所述，从今年与人工智能相关的重要节点和事件来看，实际上，所谓的人工智能仍然是计算能力的深化和大数据的简单分析和输出。虽然每个家族都以人工智能的名义存在，但根据真实人工智能的定义和应用场景，更不用说真实人工智能的实现了，甚至连基本的计算能力、大数据分析和输出都有欠缺，甚至出现了误判。
